图像分割学习笔记

图像分割学习笔记

全局信息和局部信息

局部信息

提取位置：浅层网络中提取局部信息
特点：物体的几何信息比较丰富，对应的感受野较小
目的：有助于分割尺寸较小的目标，有利于提高分割的精细程度

全局信息

提取位置：深层网络中提取全局信息
特点：物体的空间信息比较丰富，对应的感受野较大
目的：有助于分割尺寸较大的目标，有利于提高分割的准确程度

比较

语义分割面临着语义和位置信息不可兼得的问题。全局信息解决的是“是什么”，而局部信息解决的是“在哪里”。在下采样结构中，一般认为前三层依然是浅层

跳跃融合结构

将浅层特征图与深层特征图进行跳跃连接，称为跳跃融合结构，跳跃结构使得语义信息（全局信息）可以和表征信息（局部信息）相结合，产生准确而精细的分割

平移不变性

平移不变性指识别的物体在图中平移到任意位置不影响结果的判断，在无下采样的CNN中，不论网络多深都遵循平移不变性，而在有下采样的CNN中不遵循平移不变性。

U-Net创新

使用了严格对称的U型结构，网络特性非常强；
使用镜像折叠补充输入图像；
使用加权损失函数，让模型更多关注更重要的点。